开源共建 | Dinky 扩展批流统一数据集成框架 ChunJun 的实践分享
一、前言 ChunJun（原FlinkX）是一个基于 Flink 提供易用、稳定、高效的批流统一的数据集成工具，既可以采集静态的数据，比如 MySQL，HDFS 等，也可以采集实时变化的数据，比如 binlog，Kafka等。同时 ChunJun 也是一个支持原生 FlinkSql所有语法和特性的计算框架。 ChunJun 具有丰富的插件种类，多达40种，如常见的 mysql、binlog、logminer 等，大部分插件都支持 source/reader、sink/writer 及维表功能。目前很多用户在思考能否在 Dinky 上使用 ChunJun 的插件以提供更全面的能力。那本文将带来如何在 Dinky 上集成 ChunJun 丰富的插件，其实简单，那我们开始吧。 二、部署 Flink+ChunJun 编译 注意，如果需要集成 Dinky，需要将 ChunJun项目下的 chunjun-core 的pom 文件中的 logback-classic 和 logback-core 注释掉，否则容易在 Dinky 执行 sql 任务的时候报错。 然后执行： 部署 使用 ChunJun 需要先部署 Flink 集群，其部署本文不再做指导。 值得注意的是，如果你需要调用 Flinkx 的 connect jar 的话，则需要将 classloader.resolve-order 改成 parent-first。修改完成配置以后，把 Flinkx 的 jar 包复制过来，主要是 chunjun-clients-master.jar（Flinkx 现在改名 ChunJun ）以及 chunjun 的其它 connector 放到 flink/lib 目录下，如图所示。 异常处理 如果启动集群时出现异常，即 Flink standalone 集群加载 flinkx-dist 里 jar 包之后，集群无法启动，日志报错：Exception in thread "main" java.lang.NoSuchFieldError: EMPTY_BYTE_ARRAY. Exception in thread"main"java.lang.NoSuchFieldError:EMPTY_BYTE_ARRAY at org.apache.logging.log4j.core.config.ConfigurationSource.<clinit>(ConfigurationSource.java:56) at org.apache.logging.log4j.core.config.NullConfiguration.< init>(NullConfiguration.java:32) at org.apache.logging.log4j.core.LoggerContext.< clinit>(LoggerContext.java:85) at java.lang.Class.forName0(Native Method) at java.lang.Class.forName(Class.java:264) at org.apache.log4j.LogManager.< clinit>(LogManager.java:72) at org.slf4j.impl.Log4jLoggerFactory.getLogger(Log4jLoggerFactory.java:73) at org.slf4j.LoggerFactory.getLogger(LoggerFactory.java:285) at org.slf4j.LoggerFactory.getLogger(LoggerFactory.java:305) at org.apache.flink.runtime.entrypoint.ClusterEntrypoint.< clinit>(ClusterEntrypoint.java:107) 原因：这个报错是因为 log4j 版本不统一导致的，因为 flinkx-dist 中部分插件引用的还是旧版本的 log4j 依赖，导致集群启动过程中，出现了类冲突问题； 方案：临时方案是将 flink lib 中 log4j 相关的jar包名字前加上字符 ‘a‘，使得flink standalone jvm 优先加载。 三、部署 Dinky 编译 编译完成后的压缩包在 Dinky 根目录下的 build 文件夹下。 部署 1、上传dlink压缩包到部署服务器 2、解压 3、数据库初始化 4、把 flink 的 jar 放到 dlink 目录下 切换 Dinky 的 Flink 版本 因为目前 flinkx 的稳定版本是 1.12.7，所以我们把 dlink 默认的 client 版本修改为 1.12 lib下的目录如图： 注意：因为我没有用上 dlink-connector-jdbc 的 jar 包，所以图中的 dlink-connector-jdbc-1.13-0.6.4-SNAPSHOT.jar 没有换成1.12版本的，可以去掉。 启动 启动命令 注册集群实例 在集群实例中注册已经启动的 Flink 集群。 四、示例分享 添加依赖 这里演示 mysql->mysql 的同步作业，所以需要 Flinkx 的 mysql-connector.jar 以及核心 jar。 编写作业 Mysql DDL： CREATE TABLE datasource_classify ( id int unsigned NOT NULL AUTO_INCREMENT COMMENT '自增id', classify_code varchar(64) NOT NULL COMMENT '类型栏唯一编码', sorted int NOT NULL DEFAULT '0' COMMENT '类型栏排序字段 默认从0开始', classify_name varchar(64) NOT NULL COMMENT '类型名称 包含全部和常用栏', is_deleted tinyint NOT NULL DEFAULT '0' COMMENT '是否删除,1删除，0未删除', gmt_create datetime DEFAULT CURRENT_TIMESTAMP, gmt_modified datetime NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP, PRIMARY KEY (id), UNIQUE KEY classify_code (classify_code) ) ENGINE=InnoDB AUTO_INCREMENT=12 DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci COMMENT='数据源分类表'; Flink Sql: CREATE TABLE source ( id bigint, classify_code STRING, sorted int, classify_name STRING, is_deleted int, gmt_create timestamp(9), gmt_modified timestamp(9), PRIMARY KEY (id) NOT ENFORCED ) WITH ( 'connector' = 'mysql-x', 'url' = 'jdbc:mysql://192.168.31.101:3306/datasource?useSSL=false', 'table-name' = 'datasource_classify', 'username' = 'root', 'password' = 'root' ,'scan.fetch-size' = '2' ,'scan.query-timeout' = '10' ); CREATE TABLE sink ( id bigint, classify_code STRING, sorted int, classify_name STRING, is_deleted int, gmt_create timestamp(9), gmt_modified timestamp(9), PRIMARY KEY (id) NOT ENFORCED ) WITH ( 'connector' = 'mysql-x', 'url' = 'jdbc:mysql://192.168.31.106:3306/test?useSSL=false', 'table-name' = 'datasource_classify', 'username' = 'root', 'password' = 'root' ,'scan.fetch-size' = '2' ,'scan.query-timeout' = '10' ); insert into sink select * from source u; 执行任务 选中 Yarn Session 模式提交作业。 提交后可从执行历史查看作业提交状况。 进程中可以看的 Flink 集群上批作业执行完成。 对比数据 源库： 目标库： 同步成功，很丝滑。 五、总结 在集成 ChunJun 的时候遇到的问题大部分都是缺包以及包冲突，所以只需要注意一下这个问题就能比较好的进行集成。 在集成服务的时候建议是，先把 Flink 和 ChunJun 进行集成，确保服务能够正常启用以后再进行 Dinky 的集成，这样有利于快速定位查找问题，如果遇到文章之外的问题，也可以查看 Dinky 官网FAQ | Dinky (dlink.top) chunjun的官网QuickStart | ChunJun 纯钧 (dtstack.github.io/chunjun/)，看看是否有类似问题的解决办法作为参考。 六、用户体验 因为本人目前还是处于学习使用的过程中，所以很多功能没有好好使用，待自己研究更加透彻后希望写一篇文章，优化官网的用户手册。以下的优缺点以及建议都是目前我在使用学习的过程中遇到的问题。 优点 Dinky 最吸引我的地方应该就是 sql 编辑模版了，直接快捷键生成 sql 模版，在开发测试中屡试不爽。在集成了 ChunJun(Flinkx) 以后，能够做到多源数据的离线跑批任务及日常小批量实时任务的同步。支持各种类型的任务执行方式。 缺点 ui 上适配还有点小问题，例如：打开 F12 调整宽度后，再关闭，页面 ui 不会自适应，需要刷新。 期待改进点 1、更多的自定义异常、业务异常 2、增加新的向导模式，结合数据源，通过 webUI 可以一键引入字段或者勾选需要的字段，生成 Flink Sql 的一大部分配置 CREATE TABLE 表名 ( -- 页面勾选字段，字段从元数据直接拉取 id bigint, classify_code STRING, sorted int, classify_name STRING, is_deleted int, gmt_create timestamp(9), gmt_modified timestamp(9), PRIMARY KEY (id) NOT ENFORCED ) WITH ( -- 从选择的数据中获取 'connector' = 'mysql-x', 'url' = 'jdbc:mysql://192.168.31.106:3306/test?useSSL=false', 'table-name' = 'datasource_classify', 'username' = 'root', 'password' = 'root' , -- 其它非主要配置有用户自己填写 ); 3、sql 历史版本管理，目前我已经提交 Feature 并被合并到 0.6.5 版本中。 想了解或咨询更多有关袋鼠云大数据产品、行业解决方案、客户案例的朋友，浏览袋鼠云官网：https://www.dtstack.com/?src=szkyzg 同时，欢迎对大数据开源项目有兴趣的同学加入「袋鼠云开源框架钉钉技术qun」，交流最新开源技术信息，qun号码：30537511，项目地址：https://github.com/DTStack/Taier
